博客來
本書先概述生成式人工智慧所涉及的技術和工具，説明你瞭解如何訓練模型以生成新資料；接著展示如何用ChatGPT提高行銷、科研和軟體發展等相關工作的生產力和創造力；隨後介紹如何通過改進提示設計從與ChatGPT的交互中獲得好的效果，以及如何在企業級場景中使用OpenAI模型。
通過閱讀本書，你可以瞭解生成式人工智慧的相關概念，以及如何通過有效的提示設計增加ChatGPT的價值，如何基於Python語言構建和部署生成式人工智慧系統，如何利用AzureOpenAI服務實現企業級應用。本書適合想用生成式人工智慧提升工作效率的所有人閱讀，包括但不限於商務人士、資料科學家、軟體發展人員、行銷人員和科研人員。
| FindBook |
有 1 項符合
擁抱AIGC：應用ChatGPT和OpenAI API的圖書 |
 |
擁抱AIGC：應用ChatGPT和OpenAI API 作者：（美）瓦倫蒂娜·阿爾托 出版社：人民郵電出版社 出版日期：2024-02-01 語言：簡體中文 規格：平裝 / 211頁 / 19 x 26 x 1.05 cm / 普通級/ 1-1 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：擁抱AIGC：應用ChatGPT和OpenAI API
內容簡介
作者介紹
瓦倫蒂娜·阿爾托（Valentina Alto）
於 2020 年進入微軟公司，任 Azure 解決方案專家，並于 2022 年後轉至製造業和製藥業的數據分析及人工智慧樹算法負載均衡研究。長期以來，她與客戶專案的系統集成商密切合作，共同部署雲架構，主要關注現代數據平臺、數據 Mesh 網格框架、物聯網和即時分析、Azure 機器學習、Azure認知服務（包括 Azure OpenAI 服務），以及 Power BI。她發表了多篇關於統計、機器學習、深度學習和人工智慧的技術文章，並撰寫了一本關於用 Python 進行機器學習的入門類圖書。
於 2020 年進入微軟公司，任 Azure 解決方案專家，並于 2022 年後轉至製造業和製藥業的數據分析及人工智慧樹算法負載均衡研究。長期以來，她與客戶專案的系統集成商密切合作，共同部署雲架構，主要關注現代數據平臺、數據 Mesh 網格框架、物聯網和即時分析、Azure 機器學習、Azure認知服務（包括 Azure OpenAI 服務），以及 Power BI。她發表了多篇關於統計、機器學習、深度學習和人工智慧的技術文章，並撰寫了一本關於用 Python 進行機器學習的入門類圖書。
目錄
第一部分 生成式人工智慧與GPT模型基礎 001
第1章 生成式人工智慧概述 002
1.1 什麼是生成式人工智慧 002
1.2 研究歷程和新發展 008
1.3 小結 011
第2章 與OpenAI和ChatGPT面對面 012
2.1 技術要求 012
2.2 什麼是OpenAI 012
2.3 OpenAI系列模型概述 015
2.4 通往ChatGPT之路：模型背後的數學原理 024
2.5 ChatGPT 033
2.6 小結 035
2.7 參考資料 035
第二部分 ChatGPT應用 037
第3章 熟悉ChatGPT 038
3.1 設置ChatGPT帳戶 038
3.2 熟悉介面 040
3.3 組織對話 044
3.4 小結 046
第4章 瞭解提示設計 047
4.1 什麼是提示，提示為什麼重要 047
4.2 零樣本學習/一次樣本學習/少樣本學習—Transformer模型的典型功能 049
4.3 定義明確的提示規則，以獲得相關和一致結果 054
4.4 應避免隱性偏見的風險，並在ChatGPT中納入倫理道德考量 059
4.5 小結 061
第5章 ChatGPT助力生產力提升 062
5.1 技術要求 062
5.2 日常小助手—ChatGPT 062
5.3 文本生成 068
5.4 提升寫作技能和優化翻譯效果 072
5.5 快速檢索資訊和競爭情報 080
5.6 小結 084
第6章 ChatGPT助力軟體發展 085
6.1 為什麼開發人員需要ChatGPT？ 085
6.2 生成、優化和調試代碼 086
6.3 生成文檔和代碼可解釋性 095
6.4 理解機器學習模型可解釋性 100
6.5 不同編程語言之間的轉換 103
6.6 小結 109
第7章 ChatGPT助力行銷 110
7.1 技術要求 110
7.2 行銷人員對ChatGPT的需求 110
7.3 新品研發和上架策略 111
7.4 用於行銷對比的A/B測試 118
7.5 促進搜尋引擎優化（SEO） 123
7.6 用於提高品質和提高客戶滿意度的情緒分析 126
7.7 小結 130
第8章 ChatGPT助力科學研究 131
8.1 研究人員對ChatGPT的需求 131
8.2 收集文獻資料 131
8.3 就實驗的設計和研究框架的制訂提供支援 137
8.4 生成和格式化參考文獻 141
8.5 生成演示文稿 144
8.6 小結 146
第三部分 企業OpenAI 147
第9章 企業OpenAI和ChatGPT—Azure OpenAI 148
9.1 技術要求 148
9.2 OpenAI和微軟的合作以及Azure OpenAI服務 148
9.3 引入公共雲的目的 159
9.4 負責任的AI 159
9.5 小結 162
第10章 企業用例 163
10.1 技術要求 163
10.2 企業如何使用Azure OpenAI 164
10.3 合同分析器和生成器 165
10.4 瞭解呼叫中心的分析方法 180
10.5 探索語義搜索 191
10.6 小結 195
第11章 結語 196
11.1 回顧前面所學 196
11.2 這只是開始 197
11.3 生成技術對行業的影響—一種顛覆性的力量 205
11.4 對生成式人工智慧的擔憂 206
11.5 生成式人工智慧的倫理影響及為何需要負責任的人工智慧 208
11.6 未來的發展方向 210
11.7 小結 210
第1章 生成式人工智慧概述 002
1.1 什麼是生成式人工智慧 002
1.2 研究歷程和新發展 008
1.3 小結 011
第2章 與OpenAI和ChatGPT面對面 012
2.1 技術要求 012
2.2 什麼是OpenAI 012
2.3 OpenAI系列模型概述 015
2.4 通往ChatGPT之路：模型背後的數學原理 024
2.5 ChatGPT 033
2.6 小結 035
2.7 參考資料 035
第二部分 ChatGPT應用 037
第3章 熟悉ChatGPT 038
3.1 設置ChatGPT帳戶 038
3.2 熟悉介面 040
3.3 組織對話 044
3.4 小結 046
第4章 瞭解提示設計 047
4.1 什麼是提示，提示為什麼重要 047
4.2 零樣本學習/一次樣本學習/少樣本學習—Transformer模型的典型功能 049
4.3 定義明確的提示規則，以獲得相關和一致結果 054
4.4 應避免隱性偏見的風險，並在ChatGPT中納入倫理道德考量 059
4.5 小結 061
第5章 ChatGPT助力生產力提升 062
5.1 技術要求 062
5.2 日常小助手—ChatGPT 062
5.3 文本生成 068
5.4 提升寫作技能和優化翻譯效果 072
5.5 快速檢索資訊和競爭情報 080
5.6 小結 084
第6章 ChatGPT助力軟體發展 085
6.1 為什麼開發人員需要ChatGPT？ 085
6.2 生成、優化和調試代碼 086
6.3 生成文檔和代碼可解釋性 095
6.4 理解機器學習模型可解釋性 100
6.5 不同編程語言之間的轉換 103
6.6 小結 109
第7章 ChatGPT助力行銷 110
7.1 技術要求 110
7.2 行銷人員對ChatGPT的需求 110
7.3 新品研發和上架策略 111
7.4 用於行銷對比的A/B測試 118
7.5 促進搜尋引擎優化（SEO） 123
7.6 用於提高品質和提高客戶滿意度的情緒分析 126
7.7 小結 130
第8章 ChatGPT助力科學研究 131
8.1 研究人員對ChatGPT的需求 131
8.2 收集文獻資料 131
8.3 就實驗的設計和研究框架的制訂提供支援 137
8.4 生成和格式化參考文獻 141
8.5 生成演示文稿 144
8.6 小結 146
第三部分 企業OpenAI 147
第9章 企業OpenAI和ChatGPT—Azure OpenAI 148
9.1 技術要求 148
9.2 OpenAI和微軟的合作以及Azure OpenAI服務 148
9.3 引入公共雲的目的 159
9.4 負責任的AI 159
9.5 小結 162
第10章 企業用例 163
10.1 技術要求 163
10.2 企業如何使用Azure OpenAI 164
10.3 合同分析器和生成器 165
10.4 瞭解呼叫中心的分析方法 180
10.5 探索語義搜索 191
10.6 小結 195
第11章 結語 196
11.1 回顧前面所學 196
11.2 這只是開始 197
11.3 生成技術對行業的影響—一種顛覆性的力量 205
11.4 對生成式人工智慧的擔憂 206
11.5 生成式人工智慧的倫理影響及為何需要負責任的人工智慧 208
11.6 未來的發展方向 210
11.7 小結 210
|
